微信号:we21cto

介绍:21CTO(21CTO.com)是中国项级技术专家的学习与服务平台.我们为CTO、技术总监、架构师等技术专家提供高质量的资讯、问答、活动等产品,同时与企业连接,提供技术咨询、研发、运维、技术支持、培训及人才招聘等服...

阿里云的工程师要被祭天了?

2018-06-28 23:52 21CTO

21CTO导读:阿里云因 bug 禁用内部 IP 导致链路不通,造成大规模故障。




阿里云午夜在官网、微博发布了故障公告:


6月27日下午,我们在运维上的一个操作失误,导致一些客户访问阿里云官网控制台和使用部分产品功能出现问题,引发了大量吐槽。故障于北京时间2018年6月27日16:21左右开始,16:50分开始陆续恢复。


经过紧急技术复盘,故障原因如下:


当天下午,工程师团队在上线一个自动化运维新功能中,执行了一项变更验证操作。这一功能在测试环境验证中并未发生问题,上线到自动化运维系统后,触发了一个未知代码bug。错误代码禁用了部分内部IP,导致部分产品访问链路不通。 后续人工介入后,工程师团队快速定位问题进行了恢复。

 

受影响范围包括阿里云官网控制台,以及MQ、NAS、OSS等产品功能。
 

对于这次故障,没有借口,我们不能也不该出现这样的失误!我们将认真复盘改进自动化运维技术和发布验证流程,敬畏每一行代码,敬畏每一份托付。



下午 16:30 左右,微信朋友圈、微信群、微博出现阿里云故障消息,故障原因主要体现在阿里云官网、控制台无法访问,尝试登陆阿里云官网,显示如下:



官网有时候可以访问,有时候显示502错误的网关,即使官网可以访时,点击登陆,页面只会刷新,登陆不了。


一位行业从业者发推称:阿里云的函数计算挂了,导致线上故障。打算马上降级到本地计算,结果阿里云的 Kubernetes 也挂了。想着挨个机器手工改一下,发现 OSS 也挂了…整个过程没有报警,因为 SLS 也挂了…(备注:未得到阿里云官方确认)


官网公告称16:21左右开始,阿里云官网的部分管控功能,及MQ、NAS、OSS等产品的部分功能出现故障,以下为全文:



阿里云官网通告:6月27日阿里云部分产品及账号登录访问异常通告


【阿里云】【网络】【异常通告】


异常时间:北京时间2018年6月27日16:21左右。

异常概述:于北京时间2018年6月27日16:21左右开始,阿里云官网的部分管控功能,及MQ、NAS、OSS等产品的部分功能出现访问异常,阿里云工程师正在紧急处理中,请您稍后重试。


【异常更新】

北京时间2018年6月27日 16:50

目前受影响的业务正在逐步恢复中,若遇到异常,请您稍等后重试。


【异常更新】

北京时间2018年6月27日 17:30
目前受影响的业务大部分已经恢复正常,请您确认。若还有异常,请您跟我们反馈,谢谢。


故障时间 50 分钟左右,故障原因,阿里云尚未披露。


以下为用户吐糟:



网友吐糟:毕竟是自主研发的云,当然有点小脾气




写在最后

每一次的故障确实不应该发生,但有时又难以避免。对此,不少网友表示,理解身为同行的程序员们,解决问题比解决人更重要。

但是也有不少人认为:

出了故障可以原谅,那客户的损失该如何算?

如果是没按规范操作导致的事故肯定是要处罚的,否则这次事故的复盘就是无价的经验啊。

技术人员肯定得背故障啊,但是这事应该要升级,不是说一个技术人或者开除就算了的。

元芳,你肿么看?

综合:云头条、新浪微博、阿里云、程序员头条等


 
21CTO 更多文章 李彦宏:谨以此诗,献给我的父亲 腾讯宣布贡献两大自研项目,成为 Linux 基金会白金会员 PHP7到底有多快,基准测试与特性分析告诉你 API和浏览器兼容性开发实践 10行代码搞一个对象检测系统!
猜您喜欢 一个可靠的存储后端、GlusterFS简述——In the Cloud【连载二】 MacBook,何日重来? 薛兆丰:怎么分饼,决定了你的饼能做多大 招聘:来微信支付做点不一样的 自己动手写分布式KV存储引擎(三):网络框架中的客户端实现原理